العلوم والتكنولوجيا

在實驗過程中，包含位於顯微鏡下的芯片的包裝板。學分：波士頓大學 根據這項研究，在可擴展量子技術領域，波士頓大學的科學家，加利福尼亞大學伯克利分校和北 - 西大學報告了世界上第一個電子光子 出版 v 自然電子場地 該系統結合了量子光源和電子設備的穩定，使用半導體生產的標準45納米過程，以創建相關的光子對（光顆粒）的可靠流 - 新量子技術的殺菌資源。初步為“量子輕型工廠”的大量芯片和大型量子系統鋪平了道路，由許多這樣的芯片創建。 BU電氣和計算機工程系副教授，研究的高級作者Milos Popovich說：“從概念到現實，量子計算，溝通和聲音都在很長一段方面。” “這是沿著這條路徑的一小步 - 但很重要，因為它表明我們可以在半導體的商業基礎中創建重複的，受控的量子系統。” “這項工作所需的跨學科合作類型恰恰是將量子系統從實驗室移至可擴展平台所需的，” Northwater電氣和計算機技術教授Prime Kumar說。 “如果沒有集成在電子，光子學和量子測量方面的努力，我們將無法做到這一點。” 以與電子芯片為供電的方式相同的方式，以及帶有激光光的光學連接，未來的量子技術將需要恆定的量子光資源流以執行其功能。為了確保這一點，研究人員的工作在矽芯片上創建了許多“量子光工廠”，每個芯片的大小都小於毫米的毫米。...

能量trillema描述了穩定性，聯合資本和供應安全之間的平衡，應在能量過渡時考慮到這一點。學分：瑞士聯邦材料科學和技術實驗室 能源過渡為國家，城市和地區帶來了問題。穩定能源的使用是氣候變化終止的關鍵。同時，能源系統的成本不應失控，應確保供應安全性。這三個方面 - 受傷，成本和供應安全 - 構成了SO稱為的能量三元素。 世界能源委員會開發了能源trillema，以支持政客明天開發能源系統。通過在合理的科學基礎上對三個標准進行建模，可以定量比較各種能量方案，理想地揭示了提供三個目標變量之間最佳平衡的路徑。 各種能源系統的穩定性和成本已經可以可靠地使用多種模型確定。但是，到目前為止，這還不適用於安全性。 EMPA工程部負責人Matthias Sulzer說：“許多現有模型都模糊，對用戶不方便，並且不打算用於當今的建模機會。” Sulzer與來自Empa，Eth Zurich Eth Zurich和勞倫斯·伯克利國家實驗室的研究人員一起開發了量化能源供應安全的最佳方法。這項工作最近是 出版 在雜誌中 iscaing場地 五個能源供應安全水平 該模型採用具有五個級別的金字塔的形式。研究人員為每個級別提供了定量指數。較低級別的自我生產是對能量平衡的簡單計算：一個國家每年從其自身資源中產生多少能量，它消耗了多少？ 第二層描述了自主權。那些。在這一年中需要進口多少能源，以及進口路線的安全性。從金字塔的第三層開始，系統的充分性，動態效果進入了遊戲。...

使用柔性導電膜顯微鏡的阻抗的過渡部分。學分：Sangyeop Lee 超過100 GHz的Terahertz頻率提供了適合下一代無線通信的非常寬的帶寬，並且在世界各地的實際使用方向進行研究。特別是，通過相對較低的大氣弱化，在日本積極研究了150 GHz和300 GHz的條紋，這允許穩定的信號分佈。 但是，在如此高的頻率下，機械製造的誤差（通常約為±50μm）不再被忽略。儘管對於普通的亞第6 GHz模塊而言，此誤差水平微不足道，但在300 GHz處的波長的數％，其中波長約為1 mm。 這些誤差會顯著影響設備的性能，尤其是那些將芯片連接到天線的設備的性能，因此需要補償機制。此外，由於300 GHz超過了標準CMOS晶體管的最大工作頻率，因此很難實現主動設置或電子開關，從而強調了對替代方法的需求。 東京科學研究所和廣島大學的聯合研究小組已開發了一種使用微試樣的機械配置方法，以提高Terahertz通信設備的性能。有工作 出版 在雜誌中 IEEE訪問場地 受到光相機的啟發，通過移動鏡頭來糾正焦點，以最大程度地從一定距離發出光強度，研究人員將類似的概念應用於Terahertz設備。作為演示，他們將機械設置結構引入了波浪水轉換，該躍遷將天線與芯片連接起來。 柔性導電膜被用作波導內部的移動連接（反射器），其位置使用撞擊微觀圖精確控制，並具有出口的精度。驅動器控制了向推動膜的滑塊的元素，從而可以對反射器的位置進行高度調整。 結果，該團隊成功證明了波浪過渡到250 GHz的設置，證實了機械設置的有效性，作為對製造造成的性能變化的補償方法。...

FARAADAY 2由SuperDelectrics開發的電池超迪克斯 根據其發明者的說法，使用超級電容器技術創建的新電池系統可以“跳”鋰離子電池並進行革新，如何存儲和擴展可再生能源。 英國SuperDelectrics於7月8日在倫敦中心舉行的活動中引入了其新的原型Faraaday 2。它配備了用於生產隱形眼鏡的聚合物，儘管比鋰離子電池的能量少，但該公司聲稱，它具有其他優勢，包括更快的充電時間，包括最佳的安全標準，是最佳的安全標準，即最佳的安全標準，可用於處理，可用於處理。 “我們認為，今天的儲能市場位於1980年左右，” - Superdielectrics' 馬庫斯·斯科特（Marcus Scott） 他告訴記者和投資者的聽眾。 “乾淨，可靠和負擔得起的電力不再是未來的願景。這是現實，我們相信我們正在創造一種可以養活它的技術。” 能源的儲存是一項至關重要的技術，即使風和太陽能產生振盪，全球向確保連續能量的綠色能源過渡。鋰離子電池目前是領先的存儲技術之一，但根據稀缺的原材料，它們很昂貴，因此很難處理，如果它們過熱，可能會爆炸。 SuperDelectrics表示，它使用基於超級電容器技術的基於水的電池解決了這些問題。超強者將能量存儲在材料的表面上，這使您可以非常快速充電和放電，但能量密度低。 該公司的系統配備了帶有聚合物膜的鋅電解質。 SuperDelectrics說，這種膜技術便宜，使用豐富且價格合理的原材料，它可以解鎖具有高儲能潛力的新一代超端。 與之交談 新科學家 在活動中，公司總董事 吉姆·希特科特（Jim...

Moonvalley是一家研究公司，旨在創建經過許可內容培訓的視頻模型和工具，以8400萬美元的價格籌集了資金，並於週一宣布了一般Catalyst，CAA，CAA，Coreweave和Comcast Ventures的戰略投資。 Fresh Capital將通過擴展許可內容庫，為開發人員開發API訪問以及平台的內部命令以及錄音室和企業合作夥伴要求的建築功能來幫助Moonvalley繼續擴展擴展。 Moonvalley還僱用了在企業中部署所需的工程師團隊和支持。 最後一輪融資還包括Khosla Wenders和Yokobonator的現有投資者的參與，使公司的總資金高達1.54億美元。 “這項融資證明您無需在強大的技術和負責任的發展之間進行選擇，” Moonvalley的聯合創始人兼總經理兼Naeem Talukdar總經理。 “我們建立了世界模型，尊重創意社區，這些合作夥伴將幫助我們為工作室和創作者提供無執照模型的真正替代方法。” Moonvalley最近發布了瑪麗（Marey），這是第一個視頻拍攝人工智能一代的平台。他還直接與運動學的Asteria Hand合作，開發適合電影製片人和好萊塢製片廠的工具。 Moonvalley Matinzz Malinowski首席主管補充說：“我們的研究小組解決了視頻中最困難的問題，從了解實際的物理和自然運動到在人員層面的控制。” “我們證明，有執照的模型可以確保專業生產要求的質量和準確性。” Coreweave的聯合創始人和Braninin Macby的開發總監表示，該公司為支持Moonvalley而感到自豪，因為需求加速了基本的視頻模型和AI工具。 Macby補充說：“我們的關係為MoonValley提供了對高級計算資源的訪問，包括最新的圖形處理器。”...

Physicsgen可以在機械伴侶（例如機器人的手和手）上，將近3,000台模擬將數十個虛擬現實演示倍增。圖片來源：Alex Shipps/Mit Csail，使用研究人員的照片 當Chatgpt或Gemini給出燃燒問題的專家答案時，您可能不會意識到它基於哪種信息來給出這個答案。與其他流行的生成人工智能（AI）模型一樣，這些聊天依賴於高速公路，稱為基礎模型，這些模型在數十億甚至數万億個數據點中研究。 同樣，工程師希望建立基礎模型，以教導許多機器人的新技能，例如在房屋和工廠等地方收集，移動和抑制物體。問題在於，很難在機器人系統中收集和傳輸培訓數據。您可以使用虛擬現實（VR）等技術來教您的系統，硬件步驟 - 按步驟級別的電視操作，但可能會很費力。從互聯網上的互聯網教學較不啟發性，因為剪輯沒有提供一步，專業任務，通過某些機器人的段落。 該方法基於模擬，稱為MIT和人工智能實驗室（CSAIL）的實驗室，機器人和AI研究所設置了培訓機器人的數據，以幫助機器人找到最有效的任務運動。該系統可以將幾十個VR演示乘以每輛汽車的近3000個建模。然後以機械合作夥伴（例如機器人的手和手）的確切配置顯示這些高質量的說明。 PhysicsGen創建了使用三階段過程為特定機器人和條件進行概括的數據。首先，VR耳機監視人們如何用手操縱塊之類的物體。這些相互作用同時顯示在3D物理學家中，將我們手的關鍵時刻視為反映我們手勢的小球。例如，如果您已經轉過玩具，您將看到3D表單代表手的各個部分，這些部分旋轉該對象的虛擬版本。 然後，管道將這些點提供給特定機器設置的3D模型（例如，機器人手），將它們移至系統旋轉並旋轉的確切“關節”。最後，PhysicsGen使用軌蹟的優化 - 實際上，對完成任務的最有效運動進行建模 - 因此，機器人知道使諸如移動盒子之類的最佳方法。 每個建模是使用潛在處理對象的潛在方法通過機器人進行詳細的數據訓練點。當引入政治（或遵循機器人的行動計劃）時，機器有許多方法可以處理任務，如果某人不起作用，它可以嘗試不同的動作。 MIT哲學博士Luji Yang說：“我們創建了針對機器人的數據，而不是需要為每台機器重新註冊專業演示。”電氣工程和計算機科學和Csail分支的學生，這是新的領先作者 紙 發表在 arxiv...

可生物降解的電子套筒的照片。可生物降解的電子套筒，手用無線線圈，電極，溫度傳感器和生態emblem組成。信用： NPJ柔性電子設備 （2025）。 doi：10.1038/s41528-025-00448-X 全世界每年生產超過9200萬噸紡織廢物，其中大多數是由可能持續數百年的合成材料製成的。再加上這一點，可穿戴電子設備敏捷，健身追踪器，服裝傳感器，問題變得兩倍。 這些電子紡織品不僅包括織物，還包括金屬電線，塑料底物，粘合劑和鏈條，幾乎無法加工。隨著電子設備變得越來越親密，可穿戴和一次性，問題變得緊迫：我們如何創建它們以在不再需要時消失？ 首爾國立大學的研究小組為回答這個問題邁出了重要一步。 該團隊由兒子Kyun Kang教授和Jae-Yaung Bae博士領導，開發了一種完全可生物降解的高效導電纖維，可以輕鬆地將其集成到可穿戴電子產品中，並在使用後自然分解。這項研究是 出版 v NPJ柔性電子設備場地 與保存在垃圾填埋場上的傳統電子紡織品不同，這種新的纖維繫統在使用過程中支持性能，但在豐富的酶或土壤環境中消失，而不會留下有害殘留物。 團隊的創新包括鎢鎢的微粒與可生物降解的聚合物（稱為Pauline adipat-tereeftalat）（PBAT）（PBAT）的組合，以形成導電纖維。該核覆蓋有柔性的，耐水的聚採液（PBTPA），這會增加機械穩定性，而不受生物降解性的影響。 由質量可生物降解的纖維電極產生。信用： NPJ柔性電子設備 纖維達到了令人印象深刻的電導率約2500 s/m，至38％，沒有故障，並在20個洗滌週期和5000彎曲指標內通過，比許多現有的電子紡織品解決方案可比或更好。...

POE和結構特徵的準備。信用： 自然連接 （2025）。 doi：10.1038/s41467-025-59892-y 來自艾伯塔省大學的工程師找到了一種使積累的，基於環保水的電池比目前可用的電池更好的方法。 自19世紀以來，就已經存在使用水基電解質溶液而不是使用的有機溶劑的電池的想法。 用於發射大多數內燃機的鉛“水”電池於1859年發明，是當今仍在使用的示例之一。但是，水電池沒有能源，壓力和存儲的密度，用於為電動汽車供電，也沒有可再生技術（例如太陽能電池板和擋風玻璃）產生的能源。 另一方面，鋰離子電池的高能量密度，長時間的使用壽命，充電速度和燈光設計自己的缺點。其中主要是他們的高成本和火災風險，甚至爆炸。 科學家 - 化學與材料系的Xiala Van和他的學生Zhixiao Xu開始減少技能差距，因為發現製造重新裝載水電池的方法比目前可用的電池好得多。 範說：“水電池更便宜，很容易被處置，因為我們只使用水，沒有毒性或易燃。”突破的結果是 出版 最近在 自然連接場地 Van說，由有機材料製成的蓄能器（例如水品種）往往會降低電力，因此有必要添加很多額外的碳迫使它們工作。它們的密度也很低，並且能量沒有太多。 團隊突破的關鍵在於開發電池能量的電極材料。在水電池中，與鋰離子電池中使用的有機溶劑不同，在水電流和陽極之間的電流促進。 貨車團隊構建了他們所謂的有機電極後，已經達到了能量密度，化學反應能力，電子傳導，熱穩定性，機械強度和膠水性能的提高。...

彈簧阻滯和深神經網絡鏈之間的類比說明。信用： 物理評論信 （2025）。 doi：10.1103/ys4n-2tj3 深度神經網絡是人工智能的基礎，從對樣本的識別到大型語言和推理模型，例如ChatGpt。原理：在訓練階段，對網絡的人工神經元的參數進行了優化，以使它們可以執行特定任務，例如自主檢測對像或圖像中的特徵特徵。 這是如何工作的以及為什麼某些神經網絡比其他神經網絡更強大並不容易理解。當前方法似乎無法訪問嚴格的數學描述。然而，如果某人想在最小化資源時創建人工智能，那麼這樣的理解很重要。 由巴塞爾大學數學和計算機科學學院教授Ivan Dokmanich教授領導的研究人員現在已經開發了一個非常簡單的模型，它重現了深神經網絡的主要特徵，並允許我們優化其參數。他們 出版 他們的結果c 物理評論信場地 神經網絡中的勞動分離 深度神經網絡由幾層神經元組成。當學習圖像中對象的分類時，網絡接近級別的答案級別。這種漸進的方法，在此過程中，兩個類別（例如“貓”和“狗”）被越來越清晰地區分，稱為數據分離。 Dokmanich說：“通常，一個良好有效的網絡中的每一層都會同樣分離數據，但有時大部分工作都是在更深或更小的層中進行的。” 除其他外，這取決於網絡的構建方式：神經元是否只是將傳入的數據與專家稱為“線性”的一定因素相乘？還是他們執行更複雜的計算 - 換句話說，網絡是“非線性”？ 進一步考慮：在大多數情況下，神經網絡的訓練階段還包含一個隨機性或噪聲的元素。例如，在每個訓練回合中，無論其輸入如何，都可以簡單地忽略神經元的意外子集。奇怪的是，這種噪音可以增加網絡的性能。 Dokmanich說：“非線性和噪聲之間的相互作用導致非常複雜的行為，這很難理解和預測。” “另一方面，我們知道數據分離之間的平等分佈會增加網絡的生產率。”...

圖像顯示了與模型產生的特定照明條件的擴散圖片和影像圖像的幾何形狀評估的示例。學分：Liang等，Nvidia 近年來，計算機科學家引入了越來越複雜的人工智能模型，這些模型可以在特定的入口或說明後創建個性化的內容。儘管目前廣泛使用了圖像生成模型，但其中許多是不可預測的，並且可以準確地控制它們創建的圖像仍然是一個問題。 在今年會議上的一篇文章中，計算機願景和样本的認可（CVPR 2025）在納什維爾舉行，NVIDIA的研究人員介紹了一種新的機器學習方法DiffusionRenderer，這可能有助於圖像的生成和編輯，從而使用戶可以準確配置特定的圖像屬性。 “生成的AI在視覺創作方面取得了巨大的成功，但它代表了一個全新的創意工作流程，與古典圖形不同，並且仍在與操控性進行戰鬥。” “借助擴散條件，我們希望通過將傳統圖形管道的準確性與AI的靈活性相結合來克服這一差距。我們的目標是研究和開發下一代渲染，以便更容易獲得，控制並易於與現有工具集成。” Fidler及其同事提出的新方法可以將兩個維（2D）視頻轉換為與圖形兼容的場景。值得注意的是，這還允許用戶在表示形式中調節照明和材料，從而產生與他們的需求和偏好保持一致的新內容。 學分：nvidia 菲德勒說：“擴散者是一個巨大的突破，因為它同時解決了計算機圖形中的兩個長期問題，這是從真實視頻中拉伸幾何形狀和材料的同時渲染和高級渲染，以從場景中創建逼真的圖像和視頻。” “擴散者最令人興奮的成就之一是，它將生成的AI帶入了圖形工作過程的核心並進行補充，從而使傳統上費力的任務（例如創建資產，增加和編輯材料）。” 由研究人員代表的新神經渲染方法基於擴散模型，即深度學習算法的類別，可以通過逐步改善相干圖形中的意外噪聲來生成圖像。與過去呈現的圖像的其他方法不同，dixFusionRenderer可以起作用，首先產生G-buffers（即描述特定屬性的中間圖像），然後使用這些想法來創建新的和逼真的圖像。 Fidler解釋說：“我們也為我們在創建具有準確照明和材料的高質量合成數據方面所取得的突破感到自豪，以幫助模型學習真正分解和重建場景。” “我們發現，質量縮放視頻的基本擴散模型的大小 - 有助於當我們與Nvidia Cosmos集成時，結果變得更加敏銳，更加一致。” 學分：nvidia 將來，機器人研究人員和創意專業人士都可以使用擴散者。例如，這對於開發視頻遊戲，廣告或製作電影的內容創建者來說可能很有價值，因為它們將允許他們以高精度添加，刪除或編輯特定屬性。計算機科學家還可以用來創建用於教授機器人技術或圖像分類算法的影像學數據。 Fidler補充說：“它的另一個巨大影響可能是模擬和物理AI -Robotics和AV培訓需要各種各樣的數據集，而擴散器可以從新場景中產生新的照明條件。”...